本文介绍了数据仓库的分层架构，包括ODS、DWD、DWS和ADS各层的功能和构建方法。ODS层存储业务操作级别的明细数据，DWD层进行数据清洗和标准化，DWS层生成原子指标，ADS层面向应用需求组装数据。此外，文章还探讨了维度表构建、数据标准化、原子指标与衍生指标的区别，并提到了ETL工具的应用。
0.引言
如果你是数据仓库工程师/BI工程师/ETL工程师，在面试时你肯定会听到的问题有“你的项目采用的数仓分层是什么？”/“每一层的作用是什么？”/“每一层如何构建的，使用了什么工具？”
面试官问的这些问题，恰恰对应了描述我们要关注数仓分层的三个要点——架构、功能、构建。
1.分层简析
大家如果对概论也就是第0章有印象，就会还记得这张图。
这张图描述的是一个公司数仓的整体架构，每个DM（数据集市）代表一个业务（面向特定的分析决策需求场景，也叫主题）。在这里我们针对每个DM以更细粒度的视角单独讨论，看看DM内部长什么样。
这张图就是每个DM内部的样子，我没有像其他博主在这里加一些箭头来描述ETL的flow，这一部分是构建关心的内容。
细心的朋友会发现：整体架构中，ODS独立于DM之
最低0.47元/天 解锁文章
5921
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
